Landbruksdepartementet har gjennom National Centre for Crop Prediction i Mahalanobis gjennomført pilotstudier for å optimalisere høstforsøk (CCEs) i flere stater i India.
Regjeringen i India bruker satellittbilder for å estimere avlingsareal, avlingsforhold og utbytte på distriktsnivå.
Dette gjøres ved å predikere landbruksprodukter ved bruk av rom, agrometeorologiske og bakkebaserte observasjoner, samt koordinert vurdering og styring av hagearbeid ved hjelp av geoinformatikk.
I tillegg brukes satellittdata for å estimere tørke for å estimere potensialområdet for voksende belgfrukter og hagebruk.
Bruken av nye teknologier er rettet mot å redusere landbrukskostnader og samtidig forbedre produktiviteten. Det vil også hjelpe bønder til å få bedre priser for avlingene sine.
Kunstig intelligens kan brukes i flere landbruksområder, for eksempel vær, avling og prisvarsling, og avkastningsestimering. I tillegg kan AI senke produksjonskostnadene gjennom nøyaktig bruk av landbruksressurser som gjødsel, kjemikalier og vanning.
Denne ordningen er et betydelig avvik fra tradisjonell jordbrukspraksis i India, som har ført til lave utbytter og avhengighet av uforutsigbare monsunregner. Dette holdt det indiske landbruket til en levende lønn.
Mangelen på monsunregn i landet førte til avlingssvikt og en økning i antall selvmord blant bønder. Regjeringen håper at kunstig intelligens og relaterte teknologier vil endre landbruksnæringen. AI-verktøy kan hjelpe indiske bønder med å velge riktige avlinger for å vokse og minimere risikoen.
